Jak Polska powinna skorzystać z Europejskiej Strategii dla AI i w zakresie danych?

Rozwiązania AI i rozwój europejskiej gospodarki

Różne aplikacje rozwiązań sztucznej inteligencji (artificial intelligence, dalej rozwiązania AI), jak i sama technologia, od paru lat nie schodzą z nagłówków gazet, wzbudzając wielkie nadzieje, jak i uzasadnione obawy. W publicznej percepji panuje wiele nieprecyzyjnych wyobrażeń na temat tego czym są, co mogą, i co będą mogły rozwiązania AI. Nie powielając nadmiernego technologicznego optymizmu, a także realnie oceniając tempo rozwoju, możliwości aplikacji, a także potencjalną skalę saturacji gospodarki tymi rozwiązaniami uważam, że należy skupić się na wąskim rozumieniu rozwiązań AI i na tym czym są one teraz, czym będą w przewidywalnej przyszłości i jakie praktyczne zastosowania będą one mogły mieć dla poprawy dobrobytu Europejczyków, w tym Polaków. W tym też kontekście w artykule widzę Europejską Strategie dla AI i Europejską Strategie w Zakresie Danych (European Data Strategy – EDS), które zostały przygotowane i są wdrażane przez Komisję Europejską. W artykule wskażę przykłady tego co Polacy i polski rząd mogą zrobić dla jak najlepszego wykorzystania potencjalnych możliwości związanych z planami na poziomie europejskim.

Cyfryzacja i rozwój rozwiązań AI, które powinny zostać przyjęte i wprowadzane przez polskie przedsiębiorstwa, a przedewszystkim polski przemysł, to szansa dla naszego kraju by piąć się wyżej w globalnych łańcuchach dostaw, co jest drogą do wyjścia ze statustu kraju pół-peryferyjnego i do zwiększenia naszego dobrobytu. Kluczową rolę w tym procesie musi odegrać przywództwo państwa, rozumiane jako wyznaczanie kierunków rozwoju i zapewnianie odpowiednich bodźców do cyfryzacji i wprowadzania rozwiązań AI. Przywództwo to powinno być realizowane w bliskiej, dyskursywnej współpracy z instytucjami badawczymi i polskim sektorem prywatnym. Oznacza to dialog pomiędzy liderami ośrodków politycznych, instytucji badawczych i sektora prywatnego, na podstawie którego powinny być projektowane i wdrażane konkretne polityki w zakresie cyfryzacji i implementacji rozwiązań AI.

Zaastosowanie rozwiązań AI w kreowaniu dodanej wartości ekonomicznej

Stuart Russell, jeden z najsłynniejszych naukowców rozwijających dziedzine AI i autor jednego z najbardziej popularnych podręczników do AI, definiuje rozwiązania AI jako „projektowanie i tworzenie inteligentnych agentów, które otrzymują bodźce ze środowiska i na ich podstawie podejmują działania wpływające na nie.” Rozwiązania AI opierają się głównie na uczeniu maszynowym lub systemach uczących się, czyli na algorytmach, które poprawiają się automatycznie przez doświadczenie. Rozwiązania AI obejmują rozwój i badania w m.in. dziedzinach takich jak przetwarzanie języka naturalnego, robotyka, rozpoznawanie mowy i obrazów. Jednak na potrzeby zrozumienia potencjalnych praktycznych konsekwencji aplikacji rozwiązań AI w gospodarce i życiu codziennym, mogą one być wyobrażone jako algorytmy wykorzystujące bardzo zaawansowane metody statystyczne, do wykrywania i przewidywania, z bardzo dużą dokładnością, zależności i  korelacji pomiędzy, a także prawdopodobieństwa wydarzenia się danych zjawisk. Operacje te są przeprowadzane na podstawie dużych zbiorów danych, a ich wynik zależy od jakości tych danych i zaawansowania danego rozwiązania AI. Zazwyczaj czym więcej lepszej jakości danych, tym lepiej dla precyzji wyników.

Rozpoznawanie paternów, korelacji i zdolności przewidywania i określania prawdopodobieństwa są kluczowe dla aplikacji rozwiązań AI w biznesie, ponieważ pozwalają one sprowadzić dużo problemów biznesowych do problemu prawdopodobieństwa wystąpienia określonych zjawisk. W ten sposób popularna literatura tłumaczy w jaki sposób liderzy biznesu powinni podchodzić do rozwiązań AI, podejmując decyzje na temat ich implementacji. Przykładowo, w zarządzaniu relacjami z klientami problem tego czy klient w przyszłości dalej będzie kupował produkt od danego kontrahenta, w jakim wolumenie i od czego to zależy, może zostać do pewnego stopnia sprowadzony do problemu określenia prawdopodobieństwa, obliczonego na podstawie historycznych danych, pozyskanych z uprzednich interakcji z klientem. Na podstawie tego prawdopodobieństwa i poznania ważnych zmiennych i czynników mogą zostać podjęte dalsze decyzje biznesowe na temat relacji z danym klientem. Dlatego warunkiem skutecznego wdrożenia i użycia rozwiązań AI jest dostęp do dużej puli relewantnych i dobrej jakości danych, zarówno z własnego przedsiębiorstwa, jak i spoza, w tym przypadku na temat relacji z klientami.

Możliwa europejska przewaga konkurencyjna

Jaki ma to związek z Europejską Strategią dla AI i w Zakresie Danych, a Polską? Jest to związek fundamentalny, ponieważ strategia ta skupia się ona na zwiększeniu europejskich zdolności badawczych i możliwości europejskiego przemysłu poprzez użycie rozwiązań AI, a Polska jest krajem przemysłowym, którego gospodarka w dużej części zależna jest od eksportu, który stanowi ponad 55% naszego PKB. Komisja Europejska (KE) uznaje strategiczne znaczenie rozwiązań sztucznej inteligencji, jako ważnego czynnika rozwoju ekonomicznego. W opublikowanym w lutym 2020 roku White Paper on AI, wyznacza główne kierunki europejskiego wysiłku w rozwoju i implemetacji tych rozwiązań technologicznych. Ponadto, KE opublikowała europejską strategie w zakresie danych (European Data Stratefy – EDS), gdzie wyznacza wizje i konkretne cele, których osiągnięcie ma pomóc w rozwoju rozwiązań AI dla europejskich biznesów. Oba dokumenty zakładają europejskie wsparcie dla badań i rozwoju rozwiązań AI, w oparciu o tworzenie rynków danych i możliwości udostępniania ich. Czym więcej lepszych danych, tym lepsze możliwe rozwiązania AI. Przewagą konkurencyjną Europy ma być, zgodnie z wizją KE, uwolnienie i stworzenie rynku obrotu danymi z sektorów publicznego, przemysłowego, danych o środowisku naturalnym, z sektorów transportu, zdrowia, finansowego, energetycznego, rolniczego i edukacji. Stworzenie tych rynków ma powstać poprzez stworzenie odpowiednich narzędzi prawnych i instytucjonalnych, czego pierwszym krokiem jest projekt rozporządzenia o zarządzaniu danymi, które omówiłem tutaj.

Jak Polska może wykorzystać potencjał rozwiązań AI?

Rozwój i implementacja rozwiązań AI jest bardzo kapitałochłonny i wymaga zarówno dużych nakładów finansowych, jak i wiedzy związanej z rozwojem tych technologii, ich wdrożeniem, jak i środowiskiem regulacyjnym, w szczególności jeśli chodzi o przetwarzanie danych. Dlatego też aby jak najlepiej wykorzystać potencjał związany z działaniami na poziomie europejskim wymagana jest aktywna rola państwa w tworzeniu warunków do rozwoju i implementacji tych technologii w Polsce, przedewszystkim w zapewnieniu szeroko pojętego kapitału. Główną zasadą działania powinno być tworzenie pól do i ułatwianie dialogu pomiędzy administracją publiczną, instytucjami badawczymi i sektorem prywatnym, i na tej podstawie wprowadzanie odpowiednich polityk szczegółowych.

Warunkiem rozwoju i implementacji rozwiązań AI jest przyjazne, zrozumiałe i stabilne środowisko regulacyjne, zwłaszcza jeśli chodzi o dostęp do i przetwarzanie danych. Instytucje publiczne i badawcze powinny w dialogu z sektorem prywatnym tworzyć odpowiednie standardy, procedury, rekomendacje i dobre praktyki co do rozwoju rozwiązań AI i przetwarzania danych dla tych celów. Na ten moment takich szczegółowych ram, które umożliwiałyby jasność co do zwłaszcza przetwarzania danych dla celów badawczych nad rozwiązaniami AI, w Polsce nie ma. Szczególną rolę pełnić w tym powinien Urząd Ochrony Danych Osobowych i minister właściwy do spraw cyfryzacji.

Administracja publiczna powinna kontynuować proces cyfryzacji i wdrażania infrastruktury i systemów do zarządzania danymi. Te dane, o ile nie obciążone prawami osób trzecich, i o ile nie są poufne, powinny być jak najszerzej udostępniane, przyczyniając się do budowania puli danych, na podstawie której będzie możliwy rozwój konkrentych rozwiązań AI, w danych sektorach. Także na potrzeby samego sektora publicznego. Projekt rozporządzenia o zarządzaniu danymi ma stworzyć ramy prawne dla takich działań. Jest to kwestia jak najlepszego wykorzystania danych zbieranych przez administracje publiczną i ulepszania zdolności rozwiązań AI, lecz także wiedzy i zdolności administracji w ich wykorzystywaniu.

Rząd powinien podjąć działania i stworzyć zachęty dla datafikacji i cyfryzacji przedsiębiorstw, w tym m.in. również dla korzystania z dużych baz danych, zbierania danych z własnego przedsiębiorstwa, wykorzystania chmury, i równocześnie progresywnego wprowadzania rozwiązań AI. Zachęty te muszą być połączone z programami szkoleń, edukacji i rozwoju wiedzy na temat tego jak polskie przedsiębiorstwa mogą stać się bardziej innowacyjne, wykorzystując  dane, które zbierają, lub mogą zbierać same, a także na temat praktycznego wykorzystania i aplikacji tych technologii. Bez kapitału społecznego, czyli ludzi umiejących korzystać i rozumiejących te technologie, datafikacja i cyfryzacja nie nastąpi. Jest to również wiedza i umiejętności techniczne na temat dzielenia się danymi i pozyskiwania ich spoza swojej własnej organizacji.

Kolejnym poziomem aktywności polskiego rządu powinny być działania na rzecz zwiększenia zaangażowania polskich naukowców, polskiej służby cywilnej, polskiej dyplomacji i biznesu w prace legislacyjne nad regulacją rozwiązań AI na poziomie europejskim. Polskie zaangażowanie w te procesy jest niezbędne aby budować naszą rodzimą ekspertyzę w tych dziedzinach, która powinna być potem użyta z powrotem w Polsce. Na ten moment nie widać zbytniego polskiego zaangażowania w te procesy. Polaków nie ma w ciałach doradczych pracujących nad tymi regulacjami, bądź ich rola jest marginalna.

Na poziomie szkolnicta wyższego właściwe ministerstwo powinno promować i dotować tworzenie specjalistycznych kierunków studiów i programów badawczych na wiodących polskich uczelniach i instytucjach badawczych. Nie mniej istotna jest także promocja międzynarodowej współpracy naukowej nakierowanej na rozwój rozwiązań AI, dzięki której odpowiedni know-how mógłby być importowany do Polski, a polski wkład w rozwój dziedziny eksportowany na zewnątrz. Wiązałoby to się również ze stworzeniem systemowych zachęt i warunków dla wybitnych studentów i naukowców aby zostawali i wracali do Polski, gdzie mogliby dalej rozwijać relewantne dla rozwiązań AI dziedziny wiedzy.

Finalnie, wymagający lecz przyjazny regulator obrotu danymi osobowymi, które będą pełniły ważną rolę w rozwoju rozwiązań AI, będzie musiał stworzyć warunki dla bezpiecznego i pełnego zaufania środowiska rozwoju. Wymaga to wysokich kompetencji i dobrego wynagrodzeia urzędników Urzędu Ochrony Danych Osobiwych, a także ich zrozumienia dla skomplikowania wprowadzanych technologii.

Droga naprzód

            Środki płynące z Funduszu Odbudowy, w dużej mierzez skierowane na cyfryzacje, mogą być czynnikiem realizacji postawionych powyżej postulatów. Od kompetencji, wizji, konsekwencji i determinacji naszyh polityków, naszej służby cywilnej, a także liderów badań i biznesu będzie zależało to czy Polska wykorzysta potencjał drzemiący w europejskich, co może przyczynić się do pięcia się wyżej w łańcuchach dostaw, poprawiając naszą pozycje gospodarczą i sytuacje na arenie międzynarodowej.

Jan Czarnocki – doktorant i stypendysta im. Marii Skłodowskiej-Curie w Centrum Prawa Technologii Informacyjnych i Ochrony Własności Intelektualnej Katolickiego Uniwersytetu w Leuven. W swojej pracy bada zagadnienia związane z ochroną prywatności i danych, koncentrując się na ochronie danych biometrycznych i zdrowotnych, w kontekście Internetu Rzeczy i algorytmów Sztucznej Intelignencji. Przed tym pracował jako stażysta w Dyrektoracie Spraw Zagranicznych, w Sekretariacie Europejskiej Partii Ludowej w Parlamencie Europejskim, a także w Centrum Studiów Europejskich im. Wilfrieda Martensa. Uzyskał tytuł magistra prawa na Uniwersytecie Warszawskim i tytuł LL.M prawa porównaczego na Chińskim Uniwersytecie Nauk Politycznych i Prawnych w Pekinie. Oprócz prawa interesuje się geopolityką, ekonomią, filozofią i biznesem w sieci.